論文の概要: Unsupervised Ensemble Methods for Anomaly Detection in PLC-based Process Control

• arxiv url: http://arxiv.org/abs/2302.02097v1
• Date: Sat, 4 Feb 2023 05:28:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-07 20:14:08.648577
• Title: Unsupervised Ensemble Methods for Anomaly Detection in PLC-based Process Control
• Title（参考訳）: PLCプロセス制御における異常検出のための教師なしアンサンブル法
• Authors: Emmanuel Aboah Boateng, and Bruce J. W
• Abstract要約: 通信ネットワークとモノのインターネットの統合は、サイバー攻撃に対するICSの脆弱性を増大させた。 本研究では,PLCベースのICSにおける異常検出のための教師なし機械学習アンサンブル手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Programmable logic controller (PLC) based industrial control systems (ICS) are used to monitor and control critical infrastructure. Integration of communication networks and an Internet of Things approach in ICS has increased ICS vulnerability to cyber-attacks. This work proposes novel unsupervised machine learning ensemble methods for anomaly detection in PLC-based ICS. The work presents two broad approaches to anomaly detection: a weighted voting ensemble approach with a learning algorithm based on coefficient of determination and a stacking-based ensemble approach using isolation forest meta-detector. The two ensemble methods were analyzed via an open-source PLC-based ICS subjected to multiple attack scenarios as a case study. The work considers four different learning models for the weighted voting ensemble method. Comparative performance analyses of five ensemble methods driven diverse base detectors are presented. Results show that stacking-based ensemble method using isolation forest meta-detector achieves superior performance to previous work on all performance metrics. Results also suggest that effective unsupervised ensemble methods, such as stacking-based ensemble having isolation forest meta-detector, can robustly detect anomalies in arbitrary ICS datasets. Finally, the presented results were validated by using statistical hypothesis tests.
• Abstract（参考訳）: プログラム可能なロジックコントローラ(PLC)ベースの産業制御システム(ICS)は、重要なインフラを監視し制御するために使用される。 ICSにおける通信ネットワークの統合とIoTアプローチは、サイバー攻撃に対するICSの脆弱性を増大させた。 本研究はPLCベースのICSにおける異常検出のための新しい教師なし機械学習アンサンブル手法を提案する。 本研究は, 決定係数に基づく学習アルゴリズムを用いた重み付き投票アンサンブルアプローチと, 孤立林メタ検出器を用いた積み重ね型アンサンブルアプローチの2つの手法を提案する。 2つのアンサンブル法を,複数の攻撃シナリオを想定したオープンソースのplcベースのicを用いて解析した。 この研究は、重み付けされた投票アンサンブル法のための4つの異なる学習モデルを考える。 5つのアンサンブル法を駆動する多種多様なベース検出器の比較性能解析を行った。 その結果,分離林メタ検出器を用いた積み重ね型アンサンブル法は,過去のすべての性能指標よりも優れた性能を示した。 また,分離森林メタ検出器を持つ積み重ね型アンサンブルのような効果的なアンサンブル手法は,任意のICSデータセットの異常を確実に検出できることが示唆された。 最後に, 統計的仮説を用いて実験結果を検証した。

関連論文リスト

• Enhanced Anomaly Detection in Industrial Control Systems aided by Machine Learning [2.2457306746668766]
  本研究は,ICS環境におけるネットワークデータとプロセスデータの組み合わせによる攻撃検出の改善について検討する。 この結果から,ネットワークトラフィックと運用プロセスデータの統合により,検出能力が向上することが示唆された。 結果は有望だが、彼らは予備的であり、さらなる研究の必要性を強調している。
  論文  参考訳（メタデータ） (2024-10-25T17:41:33Z)
• Physics-informed and Unsupervised Riemannian Domain Adaptation for Machine Learning on Heterogeneous EEG Datasets [53.367212596352324]
  脳波信号物理を利用した教師なし手法を提案する。 脳波チャンネルをフィールド、ソースフリーなドメイン適応を用いて固定位置にマッピングする。 提案手法は脳-コンピュータインタフェース(BCI)タスクおよび潜在的なバイオマーカー応用におけるロバストな性能を示す。
  論文  参考訳（メタデータ） (2024-03-07T16:17:33Z)
• Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
  半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析 本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。 我々の手法は、最先端の手法をクリアマージンで上回る。
  論文  参考訳（メタデータ） (2023-07-16T16:32:14Z)
• Two-phase Dual COPOD Method for Anomaly Detection in Industrial Control System [0.0]
  従来のICS異常検出法は透明性と解釈性に欠けていた。 本稿では,これらの課題に対処する2相二重コプラ型外乱検出法(COPOD)を提案する。 この方法は経験的分布関数に基づいており、パラメータフリーであり、各特徴の異常への寄与を定量化することで解釈性を提供する。
  論文  参考訳（メタデータ） (2023-04-30T18:13:40Z)
• Interactive System-wise Anomaly Detection [66.3766756452743]
  異常検出は様々なアプリケーションにおいて基本的な役割を果たす。 既存のメソッドでは、インスタンスがデータとして容易に観察できないシステムであるシナリオを扱うのが難しい。 システム埋め込みを学習するエンコーダデコーダモジュールを含むエンドツーエンドアプローチを開発する。
  論文  参考訳（メタデータ） (2023-04-21T02:20:24Z)
• A step towards the applicability of algorithms based on invariant causal learning on observational data [0.0]
  本稿では、因果発見手法と効率よく統合された不変因果予測(ICP)を適用する方法について述べる。 また,本手法とICPを効果的に統合して因果発見を行う方法について述べる。
  論文  参考訳（メタデータ） (2023-04-05T08:15:57Z)
• Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
  本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。 前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。 提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
  論文  参考訳（メタデータ） (2022-05-13T21:09:41Z)
• Learn then Test: Calibrating Predictive Algorithms to Achieve Risk Control [67.52000805944924]
  Learn then Test (LTT)は、機械学習モデルを校正するフレームワークである。 私たちの主な洞察は、リスクコントロール問題を複数の仮説テストとして再設計することです。 我々は、コンピュータビジョンの詳細な実例を用いて、コア機械学習タスクの新しいキャリブレーション手法を提供するために、我々のフレームワークを使用します。
  論文  参考訳（メタデータ） (2021-10-03T17:42:03Z)
• Anomaly Detection in Cybersecurity: Unsupervised, Graph-Based and Supervised Learning Methods in Adversarial Environments [63.942632088208505]
  現在の運用環境に固有ののは、敵対的機械学習の実践である。 本研究では,教師なし学習とグラフに基づく異常検出の可能性を検討する。 我々は,教師付きモデルの訓練時に,現実的な対人訓練機構を組み込んで,対人環境における強力な分類性能を実現する。
  論文  参考訳（メタデータ） (2021-05-14T10:05:10Z)
• Detection of Dataset Shifts in Learning-Enabled Cyber-Physical Systems using Variational Autoencoder for Regression [1.5039745292757671]
  回帰問題に対してデータセットシフトを効果的に検出する手法を提案する。 提案手法は帰納的共形異常検出に基づいており,回帰モデルに変分オートエンコーダを用いる。 自動運転車用オープンソースシミュレータに実装された高度緊急ブレーキシステムを用いて,本手法を実証する。
  論文  参考訳（メタデータ） (2021-04-14T03:46:37Z)
• Interpolation-based semi-supervised learning for object detection [44.37685664440632]
  オブジェクト検出のための補間に基づく半教師付き学習手法を提案する。 提案した損失は、半教師付き学習と教師付き学習の性能を劇的に向上させる。
  論文  参考訳（メタデータ） (2020-06-03T10:53:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。